pandas 分组器 Grouper

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

pandas.Grouper 是专门用来生成分组依据的工具，可以按列、按索引、按计算结果、时序中的频率等内容为依据进行分组。

基本结构

pandas.Grouper(key=None, level=None, freq=None, axis=0, sort=False)

如：

# df.groupby('team')
df.groupby(pd.Grouper('team')).sum()
# 如果是时间，可以60秒一分组
df.groupby(Grouper(key='date', freq='60s'))
# 轴方向
df.groupby(Grouper(level='date', freq='60s', axis=1))
# 按索引
df.groupby(pd.Grouper(level=1)).sum()

按列分组

单个列：

df.groupby(pd.Grouper('team'))

多个列：

df.groupby([pd.Grouper(freq='1M', key='Date'), 'Buyer']).sum()
df.groupby([pd.Grouper('dt', freq='D'),
            pd.Grouper('other_column')
           ])

按轴

df.groupby([pd.Grouper(level='second'), 'A']).sum()
df.groupby([pd.Grouper(level=1), 'A']).sum()

todo

时序周期

按时间周期分组，需要使用时间字段，如果不是日期时间类型需要进行类型转换：

df['column_name'] = pd.to_datetime(df['column_name'])
df.groupby(pd.Grouper(key='column_name', freq="M")).mean()

可以自定义时间周期：

# 10 年一个周期
df.groupby(pd.cut(df.date,
                  pd.date_range('1970', '2020', freq='10YS'),
                  right=False)
          ).mean()

pandas 分组器 Grouper

基本结构

按列分组

按轴

时序周期

相关内容